Hogyan kerüljünk a legjobb tíz közé egy Kaggle versenyen? – Állatfajok azonosítása vadkamerák képein deep learning segítségével

Tóth Benedek
Data Scientist, Starschema

Zempléni Balázs
Data Scientist, Starschema

Előadás bemutatása

A mozgásérzékelő “kameracsapdák” a biológusok és állatvédők bevett eszközének számítanak, melynek segítségével egyes élőhelyek biodiverzitását, veszélyeztetett fajok populációinak alakulását képesek nyomon követni. A képeken látható állatok fajának automatikus felismerése terén is születtek jól működő megoldások, azonban nagy kihívást jelent az új kameralokációk feldolgozása, ezek ugyanis gyakran gondot okoznak a felhasznált modelleknek. Erre a problémára kereste a Starschema csapata a választ a Microsoft AI for Earth és a Wildlife Insights iWildCam 2020 versenyén, melyen tizedik helyezést ért el.
Az előadás témája ennek a versenynek és feladatnak a tanulságai. Hogyan érdemes feldolgozni a kamerák képeit, és milyen modellek nyújtják a legjobb teljesítményt egy ilyen potenciálisan kétlépcsős (objektum-azonosítás, klasszifikáció) probléma esetében? Hogyan hasznosíthatók a képek metaadatai, és milyen módszerek alkalmazhatók különböző modellek együttes használatára? Teljes egészében bemutatunk egy alkalmazott deep learning megoldást, érintve mind elméleti, mind gyakorlati kérdéseket.

Előadók

Tóth Benedek
Data Scientist és közgazdász, fő érdeklődési területei az idősoros adatok elemzése, az ökonometria és a gépi látás. A Starschemánál elsősorban telekommunikációs területen és lokációs adatok elemzésével foglalkozik.

Zempléni Balázs
Mérnökinformatikusként végzett a PPKE-n, majd az angliai Cranfieldi egyetemen tanult tovább, ahol digitális kép és jelfeldolgozásra specializálódott. Ezt követően különböző bankoknál merült el az adatbázisok világában. Jelenleg Data Scientist a Starschemánál, ahol főleg computer vision és predictive maintenance projekteken dolgozik.